1. 棒グラフ¶

1.1. 概要¶

棒グラフとは，

縦軸にデータ量をとり、棒の高さでデータの大小を表したグラフです。（縦横が逆の場合もあります。）　値の高い項目や低い項目を判別するのに有効なグラフで、データの大小が、棒の高低で表されるので、データの大小を比較するのに適しています。

です．例えば以下のようなものです．

bars

1.2. Plotlyによる作図方法¶

Plotlyではplotly.express.bar()で棒グラフを作成可能です．

import plotly.express as px
fig = px.bar(df, x='col_x', y='col_y')

上記の例では，dfのcol_x列を横軸，col_y列を縦軸とした棒グラフのオブジェクトfigを作成します．また，

import plotly.express as px
fig = px.bar(
    df, x='col_x', y='col_y',
    color='col_group', barmode='group')

上記のようにbarmode='group'を指定することでcol_groupでグループ化可能です．さらに，

import plotly.express as px
fig = px.bar(
    df, x='col_x', y='col_y',
    color='col_group', barmode='stack')

上記のようにbarmode='stack'を指定することでcol_groupで積み上げた棒グラフを作成可能です．

1.3. MADB Labを用いた作図例¶

1.3.1. 下準備¶

import itertools
import pandas as pd
import plotly.express as px

import warnings
warnings.filterwarnings('ignore')

# 前処理の結果，以下に分析対象ファイルが格納されていることを想定
PATH_DATA = '../../data/preprocess/out/episodes.csv'
# Jupyter Book用のPlotlyのrenderer
RENDERER = 'plotly_mimetype+notebook'

def show_fig(fig):
    """Jupyter Bookでも表示可能なようRendererを指定"""
    fig.update_layout(margin=dict(t=50, l=25, r=25, b=25))
    fig.show(renderer=RENDERER)

def add_years_to_df(df, unit_years=10):
    """unit_years単位で区切ったyears列を追加"""
    df_new = df.copy()
    df_new['years'] = \
        pd.to_datetime(df['datePublished']).dt.year \
        // unit_years * unit_years
    df_new['years'] = df_new['years'].astype(str)
    return df_new

def resample_df_by_cname_and_years(df):
    """cnameとyearsのすべての組み合わせが存在するように0埋め
    この処理を実施しないと作図時にX軸方向の順序が変わってしまう"""
    df_new = df.copy()
    yearss = df['years'].unique()
    cnames = df['cname'].unique()
    for cname, years in itertools.product(cnames, yearss):
        df_tmp = df_new[
            (df_new['cname'] == cname)&\
            (df_new['years'] == years)]
        if df_tmp.shape[0] == 0:
            s = pd.Series(
                {'cname': cname,
                 'years': years,
                 'weeks': 0,},
                index=df_tmp.columns)
            df_new = df_new.append(
                s, ignore_index=True)
    return df_new

def resample_df_by_creator_and_years(df):
    """creatorとyearsのすべての組み合わせが存在するように0埋め
    この処理を実施しないと作図時にX軸方向の順序が変わってしまう"""
    df_new = df.copy()
    yearss = df['years'].unique()
    creators = df['creator'].unique()
    for creator, years in itertools.product(creators, yearss):
        df_tmp = df_new[
            (df_new['creator'] == creator)&\
            (df_new['years'] == years)]
        if df_tmp.shape[0] == 0:
            s = pd.Series(
                {'creator': creator,
                 'years': years,
                 'weeks': 0,},
                index=df_tmp.columns)
            df_new = df_new.append(
                s, ignore_index=True)
    return df_new

df = pd.read_csv(PATH_DATA)

1.3.2. 作品別の合計連載週数（上位20作品）¶

df_plot = df.value_counts('cname').reset_index(name='weeks').head(20)
fig = px.bar(df_plot, x='cname', y='weeks', title='作品別の合計連載週数')
fig.update_xaxes(title='作品名')
fig.update_yaxes(title='合計連載週数')
show_fig(fig)

1.3.3. 作品別・年代別の合計連載週（上位20作品）¶

# dfにyearsを追加
df = add_years_to_df(df)

# プロット用に集計
df_plot = df.groupby('cname')['years'].value_counts().\
    reset_index(name='weeks')
# 連載週数上位10作品を抽出
cnames = list(df.value_counts('cname').head(20).index)
df_plot = df_plot[df_plot['cname'].isin(cnames)].\
    reset_index(drop=True)
# cname，yearsでアップサンプリング
df_plot = resample_df_by_cname_and_years(df_plot)

# 合計連載週数で降順ソート
df_plot['order'] = df_plot['cname'].apply(
    lambda x: cnames.index(x))
df_plot = df_plot.sort_values(
    ['order', 'years'], ignore_index=True)

# 作図
fig = px.bar(
    df_plot, x='cname', y='weeks', color='years',
    color_discrete_sequence= px.colors.diverging.Portland,
    barmode='group', title='作品別・年代別の合計連載週数')
fig.update_xaxes(title='作品名')
fig.update_yaxes(title='合計連載週数')
show_fig(fig)

group対象に欠測があるとX軸の順序が自動調整されてしまう

おそらくpx.bar()の仕様ですが，barmode='group'あるいはbarmode='stack'を選択した際にcolorで指定した列に欠測があると，X軸の順序が変わってしまうことを確認しました．これを回避するため，resample_df_by_cname_and_years(df_plot)で欠測を補完しています．以降も同様です．

# 作図
fig = px.bar(
    df_plot, x='cname', y='weeks', color='years',
    color_discrete_sequence= px.colors.diverging.Portland,
    barmode='stack', title='作品別・年代別の合計連載週数')
fig.update_xaxes(title='作品名')
fig.update_yaxes(title='合計連載週数')
show_fig(fig)

1.3.4. 作家別の合計連載週数（上位20名）¶

df_plot = df.value_counts('creator').reset_index(name='weeks').head(20)
fig = px.bar(df_plot, x='creator', y='weeks', title='作者別の合計連載週数')
fig.update_xaxes(title='作家名')
fig.update_yaxes(title='合計連載週数')
show_fig(fig)

1.3.5. 作家別・年代別の合計連載週数（上位20名）¶

# 10年単位で区切ったyearsを追加
df = add_years_to_df(df)

# プロット用に集計
df_plot = df.groupby('creator')['years'].value_counts().\
    reset_index(name='weeks')
# 連載週刊上位20作品を抽出
creators = list(df.value_counts('creator').head(20).index)
df_plot = df_plot[df_plot['creator'].isin(creators)].\
    reset_index(drop=True)
# creator，yearsでアップサンプリング
df_plot = resample_df_by_creator_and_years(df_plot)

# 合計連載週数で降順ソート
df_plot['order'] = df_plot['creator'].apply(
    lambda x: creators.index(x))
df_plot = df_plot.sort_values(
    ['order', 'years'], ignore_index=True)

# 作図
fig = px.bar(
    df_plot, x='creator', y='weeks', color='years',
    color_discrete_sequence= px.colors.diverging.Portland,
    barmode='group', title='作家別・年代別の合計連載週数')
fig.update_xaxes(title='作家名')
fig.update_yaxes(title='合計連載週数')
show_fig(fig)

# 作図
fig = px.bar(
    df_plot, x='creator', y='weeks', color='years',
    color_discrete_sequence= px.colors.diverging.Portland,
    barmode='stack', title='作家別・年代別の合計連載週数')
fig.update_xaxes(title='作家名')
fig.update_yaxes(title='合計連載週数')
show_fig(fig)

四大少年誌で学ぶデータ・ビジュアライゼーション

棒グラフ

Contents